6整理
对齐和合并捕获的拜耳原始帧会生成具有较高比特深度和SNR的单个原始图像。在实践中,我们的输入是10位原始数据,我们将其合并到12位以保留从合并获得的精度。这张图片现在必须经过校正,去马赛克和色调映射 - 这些操作通常由ISP来执行,但在我们的情况下,这些操作是软件,并且包括动态范围压缩的关键附加步骤。按应用顺序,这些操作是:
1.黑色级别减法可以减少所有像素的偏移量,使得不接收光线的像素变为零。我们从传感器上的光学屏蔽像素获得这种偏移。
2.透镜阴影校正。增强图像的角落以补偿透镜渐晕,并校正由于光以斜角照射传感器而在空间上变化的颜色。这些更正是使用ISP提供的低分辨率RGGB图像执行的。
3.白平衡。线性缩放四个(RGGB)通道,以便场景中的灰度映射到图像中的灰色。这些比例因子由ISP提供。
4. Demosaicking。将图像从Bayer原始图像转换为每像素12位的全分辨率线性RGB图像。我们使用Gunturk等人的技术组合。包括带有加权平均的边缘插入插值,基于恒定色调的插值和作为校正项的二阶梯度。
5.色度去噪。减少暗光低光图像中的红色和绿色斑点。为此,我们使用一个近似的双边滤波器,使用YUV中的两遍应用的稀疏3×3抽头非线性核来实现。
6.色彩校正使用ISP提供的3x3矩阵将图像从传感器RGB转换为线性sRGB。
7.动态范围压缩。请参阅下面的描述。
8.除雾 通过应用全局色调曲线来降低眩光的影响,该曲线将低像素值推到更低的位置,同时保留中间调和高光。具体来说,我们允许多达0.1%的像素被钳位到零,但只能调整低于白色电平7%的像素。
9.全局色调调节,通过将S形对比度增强色调曲线与标准sRGB色彩分量传输功能连接起来,以提高对比度并应用sRGB伽玛校正。
10.色差校正,以隐藏横向和纵向色差。我们不假设镜头模型,而是沿着高对比度边缘查找像素,并将其附近像素的色度替换为不太可能受色差影响的像素。
11.锐化,使用由3级卷积金字塔构造的高斯内核的总和来实现不锐利的掩蔽[Farbman et al。 2011]。
12.色调特定的颜色调整,使蓝天和蔬菜看起来更